基于粗集理论的数据离散化技术研究

• 作者: 张显跃 赵军
• 来源期刊: 重庆邮电学院学报（自然科学版）
• 学科: 工学
• 关键词: 机器学习 数据离散化 粗集 决策规则 聚类
• 年，卷（期）: 2006,（6）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 752-757
• 页数: 6页
• 分类号: TP18
• 字数: 6025字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-825X.2006.06.020

摘要

信息系统连续型属性值的离散化对决策规则或决策树的学习具有非常重要的意义,它能够提高系统对样本的聚类能力,增强系统抗数据噪音的能力,减少机器学习算法的时间和空间开销,提高其学习精度.粗集是有效的数据离散化工具.对基于粗集理论的数据离散化方法进行了深入研究,分析其特征,评述其研究进展,并通过仿真实验研究了几种典型的启发式离散化算法的性能.其结果对发展新的离散化技术或为特定应用选择合适算法都有参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵军	重庆邮电大学计算机科学与技术研究所	29	595	12.0	24.0
2	张显跃	重庆邮电大学计算机科学与技术研究所	1	35	1.0	1.0